Hacktoberfest 2026：メンテナが10月に向けて印を付けた、オープンで初心者向けの issue。 Hacktoberfest の issue を見る

Implement Model A (standard CNN)

オープン 初心者向け
  • 何か問題がありますか？
#13 コメント 0 件 リアクション 0 件 担当者 0 名 GitHub で見る

@Sandali0726 がすでに取り組んでいます。

2026年10月12日 から。

評価

難易度
2/5
見積もり時間
1〜3時間
初心者へのやさしさ
68/100
issue の種類
機能追加
明瞭さ
明確に書かれている
活発さ
活発
技術スタック
python, pytorch
領域
machine-learning

調査の方向性

src/models.py で作業し、issue #12 で導入される conv_bn ヘルパーを使って ModelA を構築してください。作業を始める前に、#12 がマージ済みかどうかを確認してください。幅 32/64/128/256 の Conv3x3-BN-ReLU-MaxPool ブロックを 4 つ積み、その後に nn.AdaptiveAvgPool2d(1)、Dropout(0.3)、Dense(64)、ReLU、Dense(3) を続けます。形状 (2,3,64,64) の入力に対して形状 (2,3) が返り、学習可能なパラメータ数が約 405k であれば完了です。

索引モデルが issue の本文から書いたものです。

説明

model

4 x [Conv3x3-BN-ReLU-MaxPool] with widths 32/64/128/256 -> GAP -> Dropout(0.3) -> Dense(64) -> ReLU -> Dense(3).

Files: src/models.py

Tasks
  • class ModelA(nn.Module) built from conv_bn
  • Use nn.AdaptiveAvgPool2d(1) (GAP) instead of Flatten
  • Docstring listing the output shape after each stage
Done when

Forward of (2,3,64,64) returns (2,3); about 405k trainable parameters.

Depends on

#12

Close with a commit or PR message containing Closes #<this issue>.

主要言語
Jupyter Notebook
スター
0
フォーク
0
平均マージ
5時間 32分
マージ済み PR（30日）
5

環境構築

このプロジェクトには開発コンテナ、Dockerfile、コントリビューションガイドがありません。まず README を読み、一般的な手順ははじめてのコントリビューションガイドを参照してください。

はじめの一歩

  1. issue を最後まで読み、次にプロジェクトのコントリビューションガイドを読みます。
  2. 着手することを issue にコメントします — 二人が同じ作業をするのを防げます。
  3. リポジトリをフォークし、ブランチを切って変更します。
  4. issue 番号を参照したプルリクエストを送ります。

VisionForgeCSE/CNN-For-Image-Classification のほかの issue

VisionForgeCSE/CNN-For-Image-Classification の issue をすべて見る

似ている issue

Machine Learning の issue をもっと見る

新しい issue をメールで受け取る

初心者向けの GitHub issue を短くまとめたダイジェスト。